Geoprocessamento e modelagem de processos naturais

O registro de eventos sobre a superfície terrestre com variação temporal e espacial tem sido feitos atualmente através da aplicação de geotecnologias. Os resultados são mapas, cartas e modelos digitais georeferenciados que traduzem informações sobre a localização geográfica exata da ocorrência do fenômeno, bem como sua magnitude, direção, extensão, etc.

Com o advento da tecnologia, densos bancos de dados podem ser montados e manipulados de acordo com o objetivo a que se destina a análise do

meio, sendo possível também irrestritas combinações de informações tanto do meio físico quanto do meio biótico.

A captação e transformação dos dados em informação se dão através de técnicas de Sensoriamento Remoto, Geoprocessamento e Sistemas de Informações Geográficas. Por meio delas, pode-se hoje monitorar e inferir sobre questões relativas ao meio ambiente com grande acuracidade e clareza, e assim disponibilizar à sociedade material cartográfico de qualidade que sirva de base aos processos de planejamento e gestão ambiental. A partir dessas fontes, são apuradas informações sobre o uso, ocupação e parcelamento do solo, desmatamentos, atividades agrícolas, assoreamento e poluição de corpos d’água, perdas de solo por erosão, etc.

• Sensoriamento Remoto

O Sensoriamento Remoto (SR) é definido como o conjunto de processos e técnicas usados para medir propriedades eletromagnéticas de uma superfície, ou de um objeto, sem que haja contato entre o objeto e o equipamento sensor (Corrêa, 2003).

Segundo Alves (2000), o desenvolvimento de técnicas de sensoriamento remoto de base orbital propiciou uma visão sinóptica dos problemas ambientais. De acordo com a autora (op. cit), a aplicação de técnicas de processamento digital de dados, o desenvolvimento da microcomputação e do processamento gráfico tornaram possíveis investigações sistemáticas da superfície da terrestre.

O SR evoluiu à medida que a qualidade dos sensores foi aumentando. Em conseqüência disso, imagens com resoluções sub-métricas são captadas. Manipuladas com técnicas de extração de informações do processamento digital de imagens, os produtos do SR tiveram sua aplicabilidade ampliada a diversas áreas do conhecimento, tais como levantamento e análise de recursos ambientais, geologia, agricultura, engenharia, biologia, meteorologia, etc.

A grande aplicação do sensoriamento remoto em diferentes ramos da ciência deve-se à sua capacidade de coletar dados multiespectrais em diferentes

escalas, diferentes épocas e oferecer uma grande gama de estudos e análises de fenômenos da natureza ao longo do tempo (Marques, 2003).

A superfície terrestre contém inúmeros elementos e fatores que a tornam extremamente complexa. As imagens orbitais para o sensoriamento remoto produzidas pelos sensores dos satélites têm informações geográficas no formato “raster”. Cada pixel contido nestas imagens carrega consigo a representação da radiância média de um local por meio dos valores de brilho Marques (2003). A tecnologia de sensoriamento remoto orbital que tem como principal característica a repetitividade, tornando-se uma importante ferramenta para o mapeamento das características da superfície terrestre em curtos intervalos de tempo.

• Geoprocessamento e Sistemas de Informações Geográficas

O geoprocessamento pode ser definido como o conjunto de tecnologias destinado à coleta e tratamento de informações espaciais, bem como ao desenvolvimento de sistemas e suas aplicações (Ortiz, 2003).

Num país de dimensão continental como o Brasil, com uma grande carência de informações adequadas para a tomada de decisões sobre os problemas urbanos, rurais e ambientais, o Geoprocessamento apresenta um enorme potencial, principalmente se baseado em tecnologias de custo relativamente baixo, em que o conhecimento seja adquirido localmente (Câmara & Davis, 1998).

O geoprocessamento destina-se a tratar problemas ambientais levando em conta a localização, a extensão e as relações dos fenômenos analisados, visando contribuir para a sua presente explicação e para o acompanhamento da sua evolução passada e futura (Jacques, 1997).

Lado a lado com o geoprocessamento, caminham os Sistemas de Informações Geográficas (SIG’s), “os quais constituem tecnologia para a investigação de fenômenos diversos, relacionados com engenharia urbana, geologia, pedologia, vegetação, bacias hidrográficas, problemas ambientais, etc” (Calijuri e Röhm, 1994).

Quando os dados acerca dos recursos naturais estão disponíveis apenas na forma de mapas impressos, o planejador vê limitado o número de questões que podem ser respondidas rápida e efetivamente (Weill, 1999). Como os SIG's são resultado do desenvolvimento de várias ciências relacionadas, tais como computação gráfica e cartografia digital, a manipulação destes dados para posterior extração de informação só pode ser realizada através deles.

A estrutura de um SIG constitui-se de cinco partes (Figura 9).

FIGURA 9 – Partes componentes de um SIG. (Ziller, 1999).

Um sistema de informação geográfica é a combinação de pessoal especializado, dados espaciais caracterizados, métodos analíticos, hardware e software. Todo esse conjunto organizado para automatizar, administrar e entregar a informação georeferenciada.

Um objeto geográfico qualquer (como uma cidade, um rio, uma montanha) somente poderá ser localizado se puder ser descrito em relação a outros objetos cujas posições sejam previamente conhecidas, ou se tiver sua localização determinada em uma rede coerente de coordenadas. Quando se dispõe de um sistema de coordenadas fixas, pode-se definir a localização de qualquer ponto na superfície terrestre (Corrêa, 2003). Numa formulação geral, um SIG visualiza o

espaço como estando ele coberto por um sistema de coordenas cartesianas (grid). Cada atributo do espaço é descrito por um plano de informação. Para cada ponto da superfície há uma definição dos valores de das propriedades ou características da terra naquela exata posição (Weill, 1999).

A representação de uma feição dentro de uma SIG pode ser feita de três maneiras (Figura 10): (a) vetorial, (b) raster ou matricial e (c) por rede triangular irregular (TIN).

(a) (b) (c)

FIGURA 10 – Formas de representação de um dado por um SIG. (Ziller, 1999).

Quando as feições são representadas em formato vetorial, pontos são armazenados por coordenadas (x, y), linhas como segmentos interconectados pelas coordenadas de suas extremidades e polígonos como segmentos fechados. Quando o formato escolhido é o matricial ou raster, o dado é alocado em uma malha de células cujos valores são dados pela posição da linha/ coluna em que a célula se encontra. Na modelagem TIN, cada nó do triângulo tem uma coordenada (x, y).

Na Figura 11 está um exemplo de como diferentes feições do mundo real são habitualmente abstraídas para um SIG. Cada tipo distinto de atribuição é separado em camadas. Estas, por sua vez, subdividem-se em feições abstraídas

sob a forma de linha, ponto ou polígonos. Rios são representados por linhas, postes por pontos e unidades de solo por polígonos.

Matricial

Vetorial

Mundo real

FIGURA 11 – Representação matricial e vetorial e sua relação com o mundo real. (Ribeiro, 2003).

A escala é um fator de registro obrigatório em qualquer produto de SIG. Por ela é possível entender qual a relação do desenho, em centímetros, para o mundo real. Extensas áreas podem ser definidas em mapas e cartas de formatos não superiores à unidade métrica. Segundo Gripp & Simões (1994) apud Corrêa (2003), escala é a relação entre o comprimento gráfico e o comprimento medido sobre a superfície da terra. Na Figura 12 pode ser visto o nível de detalhes de uma escala pequena (1:500.000) e uma grande (1:2.500).

• Modelos Digitais de Elevação (MDE’s)

O processo de modelagem de um MDE pode ser definido em três etapas: amostragem, modelagem e utilização do modelo ou aplicações (Felgueiras, 2005). Cada etapa é decisiva para a qualidade do MDE gerado, sendo também interdependentes, ou seja, uma pode influenciar diretamente na outra. Entretanto, existe uma ordem lógica de estruturação para construção de um MDE, devendo-

se inicialmente saber a utilização do MDE, ou seja, o seu objetivo e a sua aplicação. A partir dessa definição já se pode ter noção da área de trabalho, do tipo de terreno que se quer modelar, da disponibilidade de dados de entrada (amostragem) e do tipo de grade e método de interpolação (modelagem) que venha a ter maior eficiência para o modelo gerado (Fernandes e Menezes, 2005).

FIGURA 12 – Nível de detalhes entre as escalas. FONTE: Ribeiro (2003). Os autores op. cit. argumentam que a bibliografia mostra alguns trabalhos que testam diferentes modelos de grade para a confecção de MDE, entre eles pode-se citar, que assume a grade regular retangular (GRID) como melhor modelo que defende a utilização de TIN. Quando a superfície de análise possui descontinuidades ou grandes variações, o modelo grid apresenta deficiências, o que não ocorre com a utilização de grades irregulares triangulares).

A eficiência dos métodos de interpolação está relacionada com a qualidade de representação. Toda interpolação traduz uma incerteza no ponto estimado. Segundo Burrough & McDonnell (1998) apud Fernandes e Menezes (2005), quando os dados são abundantes, a maioria dos métodos de interpolação produz resultados semelhantes, entretanto, no caso de dados esparsos tais métodos podem apresentar limitações na representação da variabilidade espacial porque

desconsideram a anisotropia, ou seja, a descontinuidade do fenômeno que se quer observar.

O Sensoriamento Remoto ainda é hoje a maior fonte de dados para os SIG's e para o Geoprocessamento, sobretudo em países carentes de informações cartográficas atualizadas, como é o caso do Brasil (Corrêa, 2003). Através da interpretação de seus produtos são obtidos mapas de regiões remotas a um menor custo, são detectados objetos e fenômenos não perceptíveis à visão humana através da utilização de outras faixas de radiação eletromagnética além do visível, como o infravermelho, e é possível ter visão global sobre uma região ou fenômeno estudado.

Em relação ao estudo de erosão através de técnicas de Geoprocessamento, Silva, Schulz e Camargo (2004) citam Chaves (1995), que afirma que a EUPS pode ser combinada com SIG’s para estimar a erosão laminar e em sulcos com bom resultados, já que o desenvolvimento de sistemas computacionais para aplicações gráficas e de imagem permite a automatização de tarefas anteriormente realizadas manualmente e ainda facilita a realização de análises complexas.

A principal vantagem do uso do SIG para modelar a perda de solos é a habilidade para analisar a variabilidade espacial do potencial de erosão com base na influência de fatores como a declividade, tipo de solo, uso da terra, precipitação, entre outros. Entretanto, é importante considerar algumas das limitações na representação e interpretação dos resultados (Machado, 2002).